Validierung des Energiesystemoptimierungsmodells REMix-MISO zur Untersuchung von Kraftwerkseinsätzen unter der Berücksichtigung von Großkraftwerksausfällen

Kurzfassung

Energiesystemoptimierungsmodelle (ESOMs) werden heutzutage häufig eingesetzt, um den Betrieb von Kraftwerken in Energiesystemen kosteneffizient planen und optimieren zu können. Um ihre Betriebsweisen detailliert darzustellen, stehen eine Vielzahl von unterschiedlichen Ansätzen zur Verfügung. Jedoch ist nicht immer klar, in welchem Maße diese teils komplexen und rechenintensiven Ansätze zu realistischeren Ergebnissen beitragen. Zudem ist nicht bekannt, welche Rolle Unsicherheiten wie unvorhergesehene Großkraftwerksausfälle in der Kraftwerkseinsatzoptimierung spielen. Da ESOMs als Werkzeug zur Entscheidungsfindung in energiewirtschaftlichen als auch energiepolitischen Fragen dienen, ist es von höchster Bedeutung zu wissen, wie realistisch deren Ergebnisse sind. Das Ziel der vorliegenden Arbeit ist daher zu untersuchen, welchen Beitrag unterschiedliche Strategien zur realistischen Darstellung von Kraftwerkseinsätzen liefern, und wie unvorhergesehene Großkraftwerksausfälle adäquat in ESOMs dargestellt werden können. Hierfür wird zunächst das Iterative Rechnen vorgestellt. Die Methode erlaubt es, die perfekte Voraussicht von ESOMs zu umgehen und so Großkraftwerksausfälle als unvorhergesehenes Ereignis zu simulieren. Anschließend wird der deutsche Stromsektor aus dem Jahr 2018 in dem am DLR entwickelten ESOM REMix-MISO in einer räumlich hochaufgelösten Modellinstanz abgebildet, parametriert und anschließend als empirische Referenz genutzt. Mit Hilfe der Modellinstanz wird der Einfluss von Unit Commitment (UC), hoher räumlicher Auflösung und dem Iterativem Rechnen auf die Optimierungsergebnisse untersucht. Bereits im linearen und hoch aggregierten Modell zeigen die Optimierungsergebnisse eine hohe Realitätsnähe. Aufgrund der Vernachlässigung technischer Restriktionen wird jedoch die Flexibilität von konventionellen Kraftwerken systematisch überschätzt. Eine Sensitivitätsanalyse zeigt, dass eine Steigerung von Unit Commitment Funktionalitäten wie Gradienten oder Startkosten die Tendenz hat, die Einsätze von konventionellen Kraftwerken mehr an die Realität anzunähern. Zudem führen die Funktionalitäten zu stark gestiegenen Aktivitäten von Speichern und geringen Abregelungen von erneuerbaren Energien. Eine erhöhte räumliche Auflösung hatte die Tendenz, den Modellfehler zu verringern, steigerte aber gleichzeitig die Rechenzeit bis um das 25-fache. Ein Fallbeispiel des Iterativen Rechnens mit historischen Ausfalldaten zeigt, dass die Auswirkungen einer begrenzten Voraussicht gering sind. Daher kann in dem betrachteten Fall die Modellierung mit perfekter Voraussicht als angemessener Ansatz angesehen werden.